利用深度学习在未见数据上生成警报
利用深度学习在未见数据上生成警报
提问于 2018-03-14 08:31:55
我在神经网络和深度学习方面是个新手，我试图创建一个深度学习模型来分类图像。在阅读博客和视频时，一个问题出现在我的脑海中，在互联网上找不到正确的答案。所以这就是在这里发问的主要原因。
我的问题是如何生成对未见数据的警报？
例如，我经过训练的模型能够对图像中的下列对象进行分类：
- 卡车
- 小汽车
- 自行车等
但是我想要为给定的自行车图像生成一个警报，以训练模型。这里的重点是要注意的是，我故意给自行车形象。目前的模型预测它是一辆自行车，因为它的大部分特征是与自行车匹配，以及卡车和汽车的概率值。
有人能建议我如何在深度学习中实现这一点吗？
回答 1
Data Science用户
发布于 2018-03-14 15:23:23
在这里，我没有什么容易想到的事情。添加垃圾类不是个好主意，因为它会使模型的其余部分恶化。有两种解决办法：
- 您可以添加自行车类或其他类，这些类在您的意见中可能会因为基类的关闭特性而出现问题，然后再进行一次培训。在所有情况下都很复杂。
- 您定义了您的模型的信任阈值:例如，如果没有超过95%的概率，那么该模型对其选择没有信心，您不应该信任他。好的和大的模型应该保持在等可能的选择在软最大的时候，当特征不被很好地识别。
页面原文内容由Data Science提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://datascience.stackexchange.com/questions/29062
复制相关文章
相似问题
腾讯云开发者
